互联网 类型
可以朗读 语音朗读
172千字 字数
2024-05-01 发行日期
展开全部

主编推荐语

引领未来，Python揭秘人工智能的无限可能。

内容简介

本书以Python3.10.7为平台，以实际应用为背景，通过概述+经典应用相结合的形式，深入浅出地介绍了Python人工智能分析与实战相关知识。

全书共8章，主要内容包括人工智能绪论、Python编程与进阶、Python数学与运算、机器学习大战、神经网络大战、深度学习大战、强化学习大战、人工智能大战等内容。通过本书的学习，可使读者领略到Python的简单、易学、易读、易维护等特点，同时感受到利用Python实现人工智能的普遍性与专业性。

目录

  • 版权信息
  • 内容简介
  • 前言
  • 第1章 人工智能绪论
  • 1.1 人工智能的定义
  • 1.2 人工智能的研究方向
  • 1.3 三大类人工智能
  • 1.4 人工智能的三大学派
  • 1.4.1 符号主义学派
  • 1.4.2 连接主义学派
  • 1.4.3 行为主义学派
  • 1.5 人工智能的发展史
  • 1.5.1 人工智能的起源
  • 1.5.2 人工智能的发展历程
  • 1.6 新一代人工智能
  • 1.6.1 新一代人工智能的主驱动因素
  • 1.6.2 新一代人工智能的主要特征
  • 1.7 人工智能的关键技术
  • 第2章 Python编程与进阶
  • 2.1 Python特点
  • 2.2 Python搭建环境
  • 2.3 Jupyter Notebook的安装与使用
  • 2.3.1 Jupyter Notebook的下载与安装
  • 2.3.2 运行Jupyter Notebook
  • 2.3.3 Jupyter Notebook的使用
  • 2.4 Python语法基础
  • 2.4.1 Python编程基础
  • 2.4.2 基本数据类型
  • 2.4.3 Python字符串
  • 2.4.4 列表
  • 2.4.5 元组
  • 2.4.6 字典
  • 2.4.7 集合
  • 2.5 程序控制
  • 2.5.1 顺序结构
  • 2.5.2 分支结构
  • 2.5.3 循环结构
  • 2.6 Python函数
  • 2.6.1 定义一个函数
  • 2.6.2 函数调用
  • 2.7 Python模块
  • 2.7.1 引入模块
  • 2.7.2 搜索路径
  • 2.7.3 __name__属性
  • 2.7.4 命名空间和作用域
  • 2.7.5 相关函数
  • 第3章 Python数学与算法
  • 3.1 枚举算法
  • 3.2 递推算法
  • 3.3 模拟算法
  • 3.4 逻辑推理
  • 3.5 冒泡排序
  • 3.6 选择排序
  • 3.7 插入排序
  • 3.8 快速排序
  • 3.9 二分查找
  • 3.10 勾股树
  • 3.11 玫瑰曲线
  • 第4章 机器学习大战
  • 4.1 机器学习概述
  • 4.1.1 机器学习分类
  • 4.1.2 深度学习
  • 4.1.3 机器学习的应用
  • 4.2 监督学习
  • 4.2.1 kNN算法
  • 4.2.2 线性回归
  • 4.2.3 逻辑回归
  • 4.2.4 支持向量机
  • 4.2.5 朴素贝叶斯分类器
  • 4.2.6 决策树
  • 4.2.7 随机森林
  • 4.3 非监督学习
  • 4.3.1 k均值聚类
  • 4.3.2 密度聚类
  • 4.3.3 层次聚类
  • 4.3.4 主成分分析
  • 4.3.5 高斯混合模型
  • 4.3.6 受限玻尔兹曼机
  • 4.4 半监督学习
  • 4.4.1 半监督思想
  • 4.4.2 半监督算法的类别
  • 4.4.3 半监督分类算法
  • 4.4.4 半监督学习实战
  • 第5章 神经网络大战
  • 5.1 深度学习
  • 5.1.1 神经网络的基本概念
  • 5.1.2 深度学习的发展历程
  • 5.1.3 深度学习基本理论
  • 5.2 人工神经网络基础
  • 5.2.1 神经元与感知器
  • 5.2.2 学习过程建模
  • 5.2.3 反向传播
  • 5.3 卷积神经网络
  • 5.3.1 从神经网络到卷积神经网络
  • 5.3.2 Python实现卷积神经网络
  • 5.3.3 实现模仿绘画
  • 5.4 循环神经网络
  • 5.4.1 Keras中的循环层
  • 5.4.2 LSTM层和GRU层
  • 5.4.3 循环神经网络的高级用法
  • 第6章 深度学习大战
  • 6.1 TensorFlow深度学习概述
  • 6.1.1 深度学习特性
  • 6.1.2 深度学习的构架
  • 6.1.3 深度学习的思想
  • 6.2 迈进TensorFlow
  • 6.2.1 TensorFlow环境构建
  • 6.2.2 Geany开发环境
  • 6.2.3 TensorFlow编程基础
  • 6.3 CTC模型及实现
  • 6.4 BiRNN实现语音识别
  • 6.4.1 语音识别背景
  • 6.4.2 获取并整理样本
  • 6.4.3 训练模型
  • 6.5 自编码网络实战
  • 6.5.1 自编码网络的结构
  • 6.5.2 自编码网络的代码实现
  • 6.6 生成对抗网络实战
  • 6.6.1 GAN结构
  • 6.6.2 GAN基本架构
  • 6.6.3 GAN实战
  • 6.7 深度神经网络实战
  • 6.7.1 AlexNet模型
  • 6.7.2 VGG模型
  • 6.7.3 GoogLeNet模型
  • 6.7.4 残差网络
  • 6.7.5 Inception-ResNet v2结构
  • 6.7.6 VGG艺术风格转移
  • 第7章 强化学习大战
  • 7.1 深度强化学习的数学模型
  • 7.1.1 强化学习系统的基本模型
  • 7.1.2 基于值函数的深度强化学习算法
  • 7.1.3 基于策略梯度的深度强化学习算法
  • 7.1.4 AC算法
  • 7.2 SARSA算法
  • 7.2.1 SARSA算法概述
  • 7.2.2 SARSA算法流程
  • 7.2.3 SARSA算法实战
  • 7.3 Q-Learning算法
  • 7.4 DQN算法
  • 7.4.1 DQN算法原理
  • 7.4.2 DQN算法实战
  • 第8章 人工智能大战
  • 8.1 爬虫实战
  • 8.1.1 什么是爬虫
  • 8.1.2 网络爬虫是否合法
  • 8.1.3 Beautiful Soup工具
  • 8.1.4 网络爬虫实现
  • 8.1.5 创建云起书院爬虫
  • 8.2 智能聊天机器人实战
  • 8.2.1 网页自动化
  • 8.2.2 语音处理
  • 8.2.3 图形化用户交互界面
  • 8.2.4 智能聊天机器人程序实现
  • 8.3 餐饮菜单推荐引擎
  • 8.3.1 推荐问题的描述
  • 8.3.2 协同过滤算法
  • 8.3.3 餐饮菜单实现
  • 8.4 人脸识别
  • 8.4.1 OpenCV
  • 8.4.2 人脸识别过程
  • 8.4.3 多线程
  • 8.4.4 人脸识别实现
  • 参考文献
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

清华大学出版社

清华大学出版社成立于1980年6月，是由教育部主管、清华大学主办的综合出版单位。植根于“清华”这座久负盛名的高等学府，秉承清华人“自强不息，厚德载物”的人文精神，清华大学出版社在短短二十多年的时间里，迅速成长起来。清华大学出版社始终坚持弘扬科技文化产业、服务科教兴国战略的出版方向，把出版高等学校教学用书和科技图书作为主要任务，并为促进学术交流、繁荣出版事业设立了多项出版基金，逐渐形成了以出版高水平的教材和学术专著为主的鲜明特色，在教育出版领域树立了强势品牌。